När lösenordsstölder blir industriell verksamhet – och datakris hotar vårt förtroende för teknik
Brottslingar tar 2200 kronor i månadsavgift för industriella lösenordsstölder.
En perfekt storm av säkerhetshot
Vi befinner oss mitt i en fundamental omvandling av cybersäkerhetslandskapet. Den traditionella bilden av hackare som bryter sig in i system håller på att kompletteras – och delvis ersättas – av mer sofistikerade hot som utnyttjar AI:s egna svagheter.
Lösenordsstölder når ny industriell nivå
Ta till exempel den nya skadeprogramstjänsten Venom Stealer som SecurityWeek rapporterar om. Detta är inte längre amatörverksamhet – det är fullskalig affärsverksamhet med prenumerationsmodeller på 2 200 kronor per månad. Det mest oroväckande är att dessa program nu stannar kvar i system för kontinuerlig övervakning, inte bara engångsstölder.
Venom Stealer använder sofistikerade lockbeten som imiterar Cloudflare-säkerhetsmeddelanden och operativsystemuppdateringar. När väl installerat genomsöker det alla webbläsare och kan till och med kringgå Chromes lösenordskryptering utan att utlösa varningar.
Resultatet? Stulna inloggningsuppgifter säljs nu för 7 000–130 000 kronor på svarta marknaden, enligt SecurityWeek. Legitima uppgifter ger brottslingar äkta tillgång till företagsnätverk där de kan röra sig obemärkt.
Det nya hotet: När vi inte kan lita på våra data
Men här kommer den verkliga gamechanger:en. I AI-eran handlar cybersäkerhet inte längre bara om intrång – det handlar om datatillit. Som SecurityWeek påpekar: minimala förändringar i träningsdata kan drastiskt öka risken för felaktiga AI-resultat.
Tänk på konsekvenserna: Ett maskininlärningssystem ifrågasätter inte sina indata utan förutsätter att träningsdata speglar verkligheten. Om data är manipulerad lär sig systemet helt enkelt fel saker – men misslyckas inte synligt.
Det här är särskilt farligt inom cybersäkerhet. En hotdetekteringsmodell tränad på komprometterad data kan normalisera hot över tid och helt enkelt sluta upptäcka dem. Problemet förvärras av att många AI-system fattar beslut utan tydliga förklaringar.
Marknaden reagerar med massiva investeringar
Branschen har förstått allvaret. Cybersäkerhetsföretaget Censys har just säkrat 600 miljoner kronor för sin plattform som kartlägger internetinfrastruktur. Deras fokus ligger på att hantera så kallade attackytor – de internetanslutna tillgångar som kan utnyttjas av cyberbrottslingar.
"Artificiell intelligens förändrar alla aspekter av säkerhetsarbetet, men framgången kommer i grunden att avgöras av kvaliteten och aktualiteten på tillgänglig data", konstaterar företaget enligt SecurityWeek.
Brottslingarna anpassar sig också
Medan företag investerar i försvar, utvecklas även brottsligheten. Ransomware-grupper spårade över 7 000 incidenter under 2025, men när större företag förstärkt sitt försvar riktar sig brottslingarna istället mot fler men mindre företag med mindre lösenbelopp.
Moderna ransomware-attacker använder nu flerskiktsutpressning där kryptering kombineras med dataraderingar och andra påtryckningsmetoder.
Framtidens säkerhetstänk
Vad vi ser är alltså en dubbelriktad utveckling: Traditionella hot som lösenordsstölder professionaliseras och industrialiseras, samtidigt som helt nya kategorier av risker växer fram kring AI-datasäkerhet. Det räcker inte längre att bara skydda data från stöld – vi måste också kunna garantera dess integritet och tillförlitlighet.
Vår analys
Denna utveckling markerar en vändpunkt för hur företag måste tänka kring cybersäkerhet. Vi går från en reaktiv modell – "stoppa intrång" – till en proaktiv modell där datatillit blir lika viktigt som dataskydd.
De massiva investeringarna vi ser, som Censys 600 miljoner kronor, signalerar att detta inte är en tillfällig trend utan en fundamental omställning. Företag som förstår att investera i både traditionell säkerhet OCH AI-datasäkerhet kommer att få konkurrensfördelar.
Framöver förutspår jag att vi kommer se nya regleringar kring AI-datatillit, liknande GDPR men fokuserade på dataintegriteten istället för integritet. Företag som redan nu bygger robusta system för att verifiera och validera sina AI-träningsdata kommer att vara steget före när denna våg slår till på allvar.